Нейросетевая система классификации

пользователей социальных сетей

и экспертный способ ее создания

Рабчевский Андрей Николаевич

ООО «СЕУСЛАБ»

аааа

   В связи с современными успехами телекоммуникационных технологий все большую актуальность приобретает проблема контроля распространения в социальных сетях деструктивной информации и вовлечения пользователей в социально опасные явления и процессы [1–4]. Целью настоящей работы является создание интеллектуальной системы, позволяющей определять роль, которую играют пользователи социальных сетей в формировании и распространении информации. Создание такой системы наталкивается на трудности, связанные с получением примеров поведения предметной области в объеме, достаточном для качественного обучения нейронной сети [5]. Для решения этой проблемы применяется оригинальный способ, названный экспертным. Суть этого способа состоит в том, что примеры для обучения нейронной сети создаются экспертом, который закладывает в них свои знания о предметной области. Причем, эксперт задает не отдельные числа, характеризующие поведение предметной области, а интервалы, в пределах которых они могут изменяться. Сами же значения параметров предметной области генерируются датчиком случайных чисел в пределах, заданных 299 экспертом. Нейронная сеть, созданная таким способом, позволила графически изобразить некоторые закономерности предметной области, заложенные экспертом в обучающее множество экспертом в виде примеров. В частности, получены распределения вероятностей принадлежности пользователей к определенным классам в зависимости от количества постов и репостов. Оценена степень влияния (значимость) параметров, характеризующих пользователя социальной сети в отнесении его к определенному классу: «Лидер», «Репостер», «Связной», «Тролль», «Жертва», «Бот». Классификация пользователей по указанным классам, выполняемая нейронной сетью, может быть использована при решении задач предотвращения распространения в социальных сетях деструктивной информации и вовлечения пользователей в социально опасные явления и процессы, а также при проведении маркетинговых и социологических исследований. Развиваемый в статье экспертный способ рекомендуется применять при выполнении нейросетевых проектов в случаях, когда применение других способов формирования примеров поведения предметных областей затруднено. Кроме того, этот способ иногда полезно использовать в комбинации с классическими способами, для усиления полезных сил синаптических связей нейронных сетей.

   В настоящее время предпринимаются попытки использовать созданную нейросеть для моделирования процессов распространения информации в социальных сетях в зависимости от социальных ролей пользователей.

 

Литература:

  1. 1.Arularasan A.N., Suresh A., Seerangan K. Identifi cation and classifi cation of best spreader in the domain of interest over the social networks // Cluster Computing. 2019. Vol. 22. Pp. 4035–4044. https://doi.org/10.1007/ s10586–018–2616-y 

  2. 2.Doran, D. (2015). On the Discovery of Social Roles in Large Scale Social Systems // Social Network Analysis And Mining. 2015. 5. 49. https:// corescholar.libraries.wright.edu/cse/375  

  3. 3.P. H.B. Ruas, A.D. Machado, M.C. Silva, M. R.G. Meireles, A. M.P. Cardoso, L.E. Zárate, C.N. Nobre. Identifi cation and characterization of facebook user profi les considering interaction aspect // Behaviour & Information Technology. 2019. Vol. 38. No 8. https://www.tandfonline.com/doi/full/10. 1080/0144929X.2019.1566498?scroll=top≠edAccess=true  

  4. 4.Сайт компании ООО «СЕУСЛАБ» [Электронный ресурс]. URL: https://seuslab.ru/ (дата обращения: 29.10.2019)  

  5. 5.Ясницкий Л.Н. Интеллектуальные системы : учебник. М.: Лаборатория знаний, 2016. 221 с.